Identifikasi EEG Epilepsi Menggunakan Wavelet dan Learning Vector Quantization

Abstract

Epilepsi merupakan salah satu penyakit neurologis
kronis yang dapat menyerang sekitar 50 juta orang di semua
usia. Di Indonesia terdapat lebih dari 1.400.000 kasus Epilepsi
setiap tahun dengan 70.000 pertambahan kasus setiap tahunnya.
Sekitar 40-50% terjadi pada anak-anak. Salah satu pemeriksaan
Epilepsi menggunakan Elektroensephalogram (EEG) yang
mengidentifikasikan frekuensi 2,8-5,4 Hz, dan loncatan
amplitudo atau berbentuk spike. Agar pemeriksaan cukup
akurat, sinyal EEG dalam domain waktu perlu diproses dalam
domain lain untuk identifikasi adanya Epilepsi. Pada penelitian
ini telah dibangun sistem identifikasi Epilepsi menggunakan
transformasi Wavelet dan Learning Vector Quantization (LVQ).
Pembelajaran dan pengujian menggunakan set data EEG dari
University of Bonn. Data terdiri atas empat kondisi, yaitu orang
normal mata terbuka (Z), orang normal mata tertutup (O),
penderita Epilepsi saat serangan (S), dan penderita Epilepsi saat
tidak terjadi serangan (F). Sinyal EEG direkam dengan
frekuensi sampling 173,5 Hz selama 23,6 detik sehingga setiap set
data mempunyai 4097 titik. Wavelet untuk mengekstraksi sinyal
EEG yang mempunyai frekuensi sampling menjadi 2,8-5,4 Hz.
Sistem identifikasi menggunakan LVQ dengan fitur spektral
daya pada frekuensi 2,8-5,4 Hz dan nilai absolut dari amplitudo
rata-rata setiap seperempat detik. Sehingga diperoleh 220 fitur.
Sistem telah diuji menggunakan data S dan Z dengan akurasi
67% terhadap data non latih. Penggunaan Wavelet dapat
meningkatkan akurasi dari 67% menjadi 72%. Penambahan
fitur rata-rata amplitudo dapat meningkatkan akurasi menjadi
94%. Sistem juga telah diuji menggunakan set data ZO dan FS
dengan hasil 73% tanpa ekstraksi Wavelet, 65% dengan
ekstraksi Wavelet dan 75% untuk Wavelet dengan fitur lengkap.
Sistem identifikasi juga telah diuji terhadap data latih dengan
akurasi 100%.